ΕπόμενοΕπόμενος οδηγός
Face Liveness Detection and Anti-Spoofing
Οπτική τεχνητή νοημοσύνη
ΟΔΗΓΟΣ Audio AI
Το Anti-Spoofing είναι το αμυντικό επίπεδο που εντοπίζει ψεύτικες ή επαναλαμβανόμενες φωνές που προσπαθούν να ξεγελάσουν τα συστήματα φωνητικής πιστοποίησης.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~2 min
Το ASVspoof είναι η κορυφαία ερευνητική πρόκληση που οδηγεί σε αυτό το πεδίο, παρέχοντας κοινά σύνολα δεδομένων και μετρήσεις για τη μέτρηση του πόσο καλά ένα σύστημα εντοπίζει την πλαστογραφημένη ομιλία.
Τα συστήματα επαλήθευσης ηχείων μπορούν να εξαπατηθούν με επιθέσεις πλαστογράφησης: αναπαραγωγή μιας ηχογράφησης, σύνθεση της φωνής ενός στόχου με μετατροπή κειμένου σε ομιλία ή μετατροπή της φωνής ενός ατόμου σε φωνή ενός άλλου. Το Anti-spoofing (ονομάζεται επίσης ανίχνευση επίθεσης παρουσίασης ή ανίχνευση «ζωντανής») εκπαιδεύει έναν ξεχωριστό ταξινομητή για να χαρακτηρίσει τον ήχο ως καλόπιστο ή πλαστό. Η σειρά πρόκλησης ASVspoof, που τρέχει από το 2015, τυποποιεί αυτή τη δουλειά. Το ASVspoof 2019 χώρισε τις επιθέσεις σε λογική πρόσβαση (TTS και μετατροπή φωνής) και φυσική πρόσβαση (επανάληψη), ενώ η έκδοση του 2021 πρόσθεσε ένα deepfake κομμάτι και παραμορφώσεις κωδικοποιητή/μετάδοσης. Η απόδοση αναφέρεται με το ίδιο ποσοστό σφάλματος και, το πιο σημαντικό, τη συνάρτηση κόστους ταυτόχρονης ανίχνευσης (t-DCF), η οποία αξιολογεί τον ανιχνευτή πλαστογράφησης από κοινού με το σύστημα επαλήθευσης και όχι μεμονωμένα.
Αποκλεισμός μιας επανάληψης εγγραφής της φράσης "Η φωνή μου είναι ο κωδικός μου" κάποιου σε ένα σημείο ελέγχου φωνητικής σύνδεσης.
Ανίχνευση φωνών κλωνοποιημένων με τεχνητή νοημοσύνη σε δόλιες κλήσεις που υποδύονται έναν CEO που εξουσιοδοτεί μια τραπεζική μεταφορά.
Έλεγχος ήχου τηλεφωνικού κέντρου για συνθετική ομιλία πριν από την παραχώρηση πρόσβασης στον λογαριασμό.
Συγκριτική αξιολόγηση νέων άμυνες στα δημόσια σύνολα δεδομένων ASVspoof για δίκαιη σύγκριση συστημάτων αντιμέτρων.
Καθώς η γενετική κλωνοποίηση φωνής γίνεται σχεδόν τέλεια, οι ανιχνευτές χάσματος τεχνουργημάτων μειώνονται, επομένως το πεδίο στρέφεται προς τη γενίκευση σε αόρατους τύπους επίθεσης, αυτοεποπτευόμενα χαρακτηριστικά και ηχητική υδατοσήμανση που επισημαίνει τη συνθετική ομιλία στην πηγή. Το ASVspoof 5 και οι σχετικές προσπάθειες ανίχνευσης βαθέων ψευδών δίνουν έμφαση στην ευρωστία σε κωδικοποιητές, γλώσσες και νέες γεννήτριες. Αναμένετε ότι το anti-spoofing θα συνδυαστεί με την ευρεία εγκληματολογία ήχου-deepfake και θα αποσταλεί μέσα σε τηλέφωνα και τηλεφωνικά κέντρα καθώς αυξάνεται η φωνητική απάτη.
Δωρεάν ενημερωτικό δελτίο
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
Το Anti-Spoofing είναι το αμυντικό επίπεδο που εντοπίζει ψεύτικες ή επαναλαμβανόμενες φωνές που προσπαθούν να ξεγελάσουν τα συστήματα φωνητικής πιστοποίησης. Το ASVspoof είναι η κορυφαία ερευνητική πρόκληση που οδηγεί σε αυτό το πεδίο, παρέχοντας κοινά σύνολα δεδομένων και μετρήσεις για τη μέτρηση του πόσο καλά ένα σύστημα εντοπίζει την πλαστογραφημένη ομιλία.
Ένα σύστημα κατά της πλαστογράφησης ταξινομεί τον εισερχόμενο ήχο ως καλόπιστο (πραγματικό) ή πλαστό (ψεύτικο/αναπαραγωγή), προστατεύοντας ένα σύστημα επαλήθευσης από επιθέσεις.
Οι επιθέσεις λογικής πρόσβασης δημιουργούνται από λογισμικό, όπως η μετατροπή κειμένου σε ομιλία και φωνή, και εισάγονται απευθείας, ενώ η επανάληψη μέσω ενός ηχείου είναι επίθεση φυσικής πρόσβασης.
Το t-DCF αξιολογεί το αντίμετρο από κοινού με το αυτόματο σύστημα επαλήθευσης ηχείων, αντικατοπτρίζοντας την πραγματική ανάπτυξη όπου και τα δύο συνεργάζονται.
Η σύνθεση και η επανάληψη αφήνουν τεχνουργήματα όπως ανώμαλη φάση, φασματικά κενά και χρωματισμό καναλιών που οι ανιχνευτές μαθαίνουν να εντοπίζουν.
Το AASIST χρησιμοποιεί ένα δίκτυο προσοχής γραφήματος που ενσωματώνει πληροφορίες σε φασματικές και χρονικές υποζώνες απευθείας από την κυματομορφή.
Συνέχισε να μαθαίνεις
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα
ΕπόμενοΕπόμενος οδηγός
Face Liveness Detection and Anti-Spoofing
Οπτική τεχνητή νοημοσύνη